Setfit Model Paraphrase MiniLM L6 V2

🚀 sentence-transformers/paraphrase-MiniLM-L6-v2を使用したSetFit

このモデルは、SetFitを用いたテキスト分類モデルです。Sentence Transformer埋め込みモデルとして、sentence-transformers/paraphrase-MiniLM-L6-v2を使用しています。分類には、LogisticRegressionインスタンスが用いられています。

このモデルは、以下の効率的なフェデレーション学習手法を用いて学習されています。

1. 対照学習を用いてSentence Transformerを微調整する。
2. 微調整されたSentence Transformerから得られた特徴量を用いて、分類ヘッドを学習する。

📚 詳細ドキュメント

モデルの説明

モデルの出典

• リポジトリ：GitHub上のSetFit
• 論文：Efficient Few-Shot Learning Without Prompts
• ブログ記事：SetFit: Efficient Few-Shot Learning Without Prompts

モデルのラベル

評価

メトリクス

💻 使用例

基本的な使用法

まず、SetFitライブラリをインストールします。

pip install setfit

次に、このモデルをロードして推論を実行できます。

from setfit import SetFitModel

# 🤗 Hubからダウンロード
model = SetFitModel.from_pretrained("setfit_model_id")
# 推論を実行
preds = model("systemctl stop apache2")

🔧 技術詳細

学習セットのメトリクス

学習ハイパーパラメータ

• batch_size: (16, 16)
• num_epochs: (1, 1)
• max_steps: -1
• sampling_strategy: oversampling
• body_learning_rate: (2e-05, 1e-05)
• head_learning_rate: 0.01
• loss: CosineSimilarityLoss
• distance_metric: cosine_distance
• margin: 0.25
• end_to_end: False
• use_amp: False
• warmup_proportion: 0.1
• l2_weight: 0.01
• seed: 42
• eval_max_steps: -1
• load_best_model_at_end: True

学習結果

フレームワークのバージョン

• Python: 3.13.2
• SetFit: 1.1.2
• Sentence Transformers: 4.0.2
• Transformers: 4.51.0
• PyTorch: 2.6.0
• Datasets: 3.5.0
• Tokenizers: 0.21.1

📄 ライセンス

BibTeX

@article{https://doi.org/10.48550/arxiv.2209.11055,
    doi = {10.48550/ARXIV.2209.11055},
    url = {https://arxiv.org/abs/2209.11055},
    author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
    keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
    title = {Efficient Few-Shot Learning Without Prompts},
    publisher = {arXiv},
    year = {2022},
    copyright = {Creative Commons Attribution 4.0 International}
}